Onlinebme

🔍📝 در این پژوهش، اثرات رفتاری و عصبی نوشتن مقاله با کمک مدل‌های زبانی (LLM) بررسی شده است. شرکت‌کنندگان به سه گروه تقسیم شدند: استفاده از LLM، گروه Search، و فقط مغز brain-only(بدون ابزار). همه شرکت‌کنندگان سه جلسه مشابه با شرایط کاملا یکسان را گذراندند و در جلسه چهارم، جای گروه LLM و Brain-only با هم عوض شد. یعنی به ترتیب به گروه LLM-to-Brain و Brain-to-LLM تبدیل شدند. با استفاده از سیگنال‌های مغزی (EEG)، فعالیت شناختی حین نوشتن ارزیابی شد. همچنین کیفیت مقالات با کمک ابزار NLP، معلمان انسانی، و یک ابزار هوش مصنوعی ارزیابی شد. 💡نتایج این مطالعه نشان میدهد که: 🔺گروه Brain-only بیشترین فعالیت مغزی و قویترین شبکه‌های شناختی را داشند. 🔺گروه Search سطح متوسطی را نشان داد. 🔺گروه LLM ضعیفترین ارتباطات مغزی را ارائه داد. 🔷 نکته بعدی اینکه، گروه LLM-to-Brain در جلسه 4 ام سطح زیر مشارکت را نشان دادند، در عوض گروه Brain-to-LLM، سطح بالای یادآوری و فعالیت مغزی در بخش occipital-parietal همانند گروه search داشتند. 🔷 احساس مالکیت در گروه LLM کمترین میزان، و در گروه Brain-only بیشترین میزان گزارش شد. همچنین گروه LLM در به یادآوردن متنهای خودشان چالش اساسی داشتند. ⚠️ نتایج این مطالعه نشان میدهند که استفاده از LLM ها درسته که راحتی آنی به ارمغان میاورند، ولی در بلند مدت استفاده از آنها باعث کاهش عملکرد شناختی را خواهد داشت. این یعنی تضعیف تفکر انتقادی، تضعیف خلاقیت و مرگ تدریجی نوآوری ها و منحصر به فرد بودن ها!!! 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

مطالعه جدید: استفاده از ChatGPT میتواند تفکر انتقادی را تضعیف کند تضعیف ارتباطات مغزی در سیگنالهای مغزی افراد مشاهده شد!! @Onlinebme

4 روز تا پایان تخفیف تابستانه...

✅نقشه راه به همراه توضیحات در وبسایت👇 https://onlinebme.com/roadmap-for-onlinebme-courses/ @Onlinebme

💡 آکادمی ONLINEBME تخفیف تابستانه 35 درصدی برای همه محصولات خود در نظر گرفته است. 🎊🎉 ▪️موقع تسویه، تخفیف به صورت خودکار اعمال می‌شود و نیازی به وارد کردن کد تخفیف نیست. 🔺لازم به ذکر هست که مدت زمان استفاده از تخفیفات تابستانه محدود است و تمدید نخواهد شد. 🔘 دوره های Onlinebme https://onlinebme.com/shop/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme  

⬛️◼️◾️ پکیجهای آموزشی Onlinebme ◾️◼️⬛️ 🔆 اولین گروه آموزشیِ تخصصی و پروژه محور 🔆 〰〰〰 برنامه‌نویسی متلب 〰〰〰 🔲 اصول برنامه‌نویسی در متلب (رایگان) ▪️مدت دوره: 11 ساعت 🔘 Link 〰〰〰 برنامه‌نویسی پایتون  〰〰〰 ⚪️ فصل 1: اصول برنامه‌نویسی پایتون  ◽️مدت دوره: 32 ساعت 🔘 Link ⚪️ فصل 2-3: کتابخانه NumPy و Matplotlib ◽️مدت دوره: 18 ساعت 🔘 Link ⚪️ فصل 4: برنامه نویسی شیء گرا در پایتون ◽️مدت دوره: 14 ساعت 30 دقیقه 🔘 Link 〰〰 شناسایی الگو و یادگیری ماشین 〰〰 ⚠️ 140 ساعت ویدیوی آموزشی 🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر 🔹پیاده‌سازی مرحله به مرحله الگوریتمها 🔹انجام پروژه های عملی و تخصصی 🔹پیاده سازی گام به گام مقالات تخصصی   ⚪️فصل 1 تا 4: از بیزین تا SVM ◽️مدت دوره: 75 ساعت 🔘 Link ⚪️فصل 5: یادگیری جمعی ◽️مدت دوره: 18 ساعت 🔘 Link ⚪️فصل 6: الگوریتم‌های کاهش بعد ◽️مدت دوره: 11 ساعت 🔘 Link ⚪️فصل 7:  الگوریتم‌های انتخاب ویژگی ◽️مدت دوره: 16 ساعت 🔘 Link ⚪️فصل 8: الگوریتم‌های خوشه‌بندی ◽️مدت دوره: 13 ساعت 🔘 Link 〰〰〰〰 شبکه‌های عصبی 〰〰〰〰 ⚪️ پیاده سازی گام به گام شبکه های عصبی ◽️مدت دوره: 25 ساعت 🔘 Link ⚪️ دوره پروژه محور شبکه عصبی کانولوشنی (CNN) ◽️مدت دوره: 11 ساعت 🔘 Link ⚪️ دوره پروژه محور شبکه عصبی بازگشتی (RNN) ◽️مدت دوره: 13 ساعت 🔘 Link ⚪️دوره پروژه محور کاربرد شبکه‌های عمیق در بینایی ماشین ◽️مدت دوره: 16 ساعت 🔘 Link ⚪️ دوره پیاده‌سازی شبکه‌های عصبی با PyTorch ◽️مدت دوره: 70 ساعت 🔘 Link 〰〰〰 پردازش سیگنال مغزی 〰〰〰 ⚪️ دوره جامع پردازش سیگنال مغزی(EEG) ◽️مدت دوره: 50 ساعت 🔘 Link ⚪️ واسط مغز-کامپیوتر مبتنی بر P300 ◽️مدت دوره: 28 ساعت 🔘 Link ⚪️ واسط مغز-کامپیوتر مبتنی بر SSVEP ◽️ مدت دوره: 33 ساعت 🔘 Link ⚪️ واسط مغز-کامپیوتر مبتنی بر تصور حرکتی ◽️مدت دوره: 21 ساعت 🔘 Link ⚪️ پیاده‌سازی مقاله CSSP (BCI مبتنی بر MI) ◽️مدت دوره: 7 ساعت و 30 دقیقه 🔘 Link ⚪️پیاده‌سازی مقاله RCSP (BCI مبتنی بر MI) ◽️مدت دوره: 5 ساعت 🔘 Link ⚪️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی ◽️مدت دوره: 8 ساعت 🔘 Link ⚪️دوره پردازش سیگنال مغزی با کتابخانه MNE پایتون ◽️مدت دوره: 33 ساعت 🔘 Link 〰〰〰〰 دوره جامع پردازش تصویر 〰〰〰〰 ⚪️فصل 1: آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی ◽️مدت دوره: 30 ساعت 🔘 Link ⚪️فصل 2: پردازش هیستوگرام تصویر ◽️مدت دوره: 6 ساعت و 30 دقیقه 🔘 Link ⚪️فصل 3: فیلترهای مکانی ◽️مدت دوره: 15 ساعت و 30 دقیقه 🔘 Link ⚪️فصل 4: عملیات مورفورلوژی ◽️مدت دوره: 6 ساعت 🔘 Link 〰〰〰〰〰 پردازش سیگنال قلبی 〰〰〰〰 ⚪️ دوره پردازش سیگنال ECG ◽️مدت زمان دوره: 37 ساعت و 45 دقیقه 🔘 Link 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @onlinebme

#نظرمخاطبان Onlinebme

سلام، امیدوارم حالتون خوب باشه. به خاطر شرایطی که در کشور پیش اومد متاسفانه نشد به صورت منظم تمرینات رو پیش برد. برای جبران این مسئله، تمرینات سه بخش آخر این هفته یکجا در کانال بارگزاری خواهند شد. موفق باشید 💐 🙏 نوری زاده چرلو

در این مطالعه ما روشهای مبتنی بر الگو (template-based) جهت تشخیص فرکانس SSVEP رو بررسی کردیم که شامل 19 روش هست که به چهار دسته (CCA, MSI, CORRCA, TRCA) گروه بندی شده اند. ☑️ مطالعات زیادی روی BCI مبتنی بر SSVEP ارائه شده است، اما مطالعه ای جامعی که همه روشها رو به صورت یکجا تحلیل و مقایسه انجام بدهد وجود نداشت که ما سعی کردیم در این مطالعه روشهای مهم رو مورد بررسی قرار دهیم و برای هر کدام کدی بنویسیم و در شرایط یکسان روشهارو باهم مقایسه کنیم تا با مزایا و معایب روشها آشنا شویم. 💡نتیجه این مقایسات باعث شد به 4 نکته اکتشافی برسیم که در طراحی سیستم‌های BCI مبتنی بر SSVEP، جهت رسیدن به عملکرد بهینه بسیار ضروری هستند.   نکته 1: استفاده از فیلتر بانک جهت به کار گرفتن موثر اطلاعات هارمونیکها بسیار مهم است. نکته 2: استفاده از داده آموزشی در جهت ساخت سیگنالهای مرجع نکته 3: استفاده از فیلترهای سایر محرکها در استخراج ویژگی نکته 4: استفاده از داده های آموزشی جهت محاسبه فیلترها به جای داده تست   🌀لینک دسترسی به کدهای پیاده سازی شده در گیت هاب: GitHub: https://github.com/Mohammad-Norizadeh-Cherloo/SSVEP-Toolbox ⭕️جزییات بیشتر در وبسایت 👇 https://onlinebme.com/ssvep-toolbox-matlab-implementation-of-ssvep-frequency-detection-methods/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

✅ مطالعه جدید ما در زمینه BCI مبتنی بر SSVEP  Title: “A Comprehensive Study of Template-Based Frequency Detection Methods in SSVEP-Based Brain–Computer Interfaces.  Journal: Behavior Research Methods. Authors: Mohammad Norizadeh Cherloo; Homa Kashefi Amiri; Amir Mohammad Mijani; Liang Zhan; Mohammad Reza Daliri ممنون از دوستانم عزیزم امیرمحمد میجانی و هما کاشفی و استاد گرانقدرم دکتر محمدرضا دلیری🙏🌹 🌀https://link.springer.com/article/10.3758/s13428-025-02710-6 #BCI #EEG #SSVEP #CCA #TRCA #CORRCA #MSI  #Template_based_methods @Onlinebme

💡اینم نتیجه پیش پردازش خودکار با HAPPE

✅ پیش پردازش خودکار سیگنالهای مغزی با تولباکس  HAPPE 🔷تولباکس EEGLAB علارغم کارایی بالا، زمانی که تعداد داده ها افزایش پیش پیدا میکنه بسیار زمانبر میشه، چرا که خود کاربر لازمه دستی تنظیمات رو برای هر سابجکت انجام دهد. تولباکس HAPPE که داخلش ابزار EEGLAB هم قرار دارد، تمام کارهارو خودکار انجام میده. ✅ فقط کافیه تولباکس رو در متلب راه اندازی کنید و پارامترهای لازم جهت پیش پردازش رو مشخص کنید، بعدش خود تولباکس تمامی داده هارو به صورت خودکار رو پردازش کرده و نتیجه را هم به ازای داده ذخیره میکند. 🔷 مراحل پیش پردازش شامل فیلترینگ، re-referencing، resampling، bad channel interpolation، ICA decomposition  و غیره می‌شود. 💡از لحاظ معتبر بودن هم میتوان به سایتیش بالای مقاله مرتبط با این تولباکس نگاه کرد که از سال 2018 تا 2025 بالای 500 تا سایتیش داشته است و مطالعات زیادی از این تولباکس برای پیش پردازش سیگنال های EEG  استفاده کرده اند.   🎙در دو ویدیوی کوتاه سعی کردم به صورت جامع توضیح دهیم که چطور میشه این تولباکس رو راه اندازی کرد و سیگنالهای مغزی رو به طور خودکار پیش پردازش کرد.   ☑️ ویدیوی اول: نحوه دانلود و راه اندازی HAPPE در متلب 🔘https://youtu.be/cnRByjIW2xc?si=EiBMPtSxNcgx0LWn ☑️ ویدیوی دوم: نحوه پیش پردازش خودکار سیگنال مغزی و  تنظیم پارامترهای مرتبط با آن(با یک مثال عملی) 🔘https://youtu.be/TH-nyx3ga1o?si=DqIgkDjpkq9apdxV ☑️ توضیحات در وبسایت👇 🔘https://onlinebme.com/happe-the-harvard-automated-processing-pipeline-for-eeg/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

✅پیش پردازش خودکار سیگنالهای مغزی با تولباکس  HAPPE 💡تولباکس Harvard Automated Processing Pipeline for EEG (HAPPE) توسط گروه تحقیقاتی در دانشگاه Harvard  توسعه داده شده است که از آن میتوان برای حذف خودکار آرتیفکتها در سیگنالهای EEG استفاده کرد. 👌یکبار پارامترها توسط کاربر تعیین میشود، سپس این تولباکس به صورت خودکار تمام مراحل پیش پردازش را روی سیگنال EEG های اعمال کرده و نتیجه هر مرحله رو هم ذخیره می‌کند. 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme